AI視頻的天花板被掀翻！測完SkyReels：我亦有成為專業(yè)導(dǎo)演的潛質(zhì)

機(jī)器之心原創(chuàng)

編輯：杜偉

視頻生成快速演進(jìn)的腳步仍未停歇，就在今天，昆侖萬維的新動(dòng)作又一次突破行業(yè)想象。

上個(gè)月，AI 視頻賽道風(fēng)起云涌，業(yè)界資深玩家紛紛拋下「重磅炸彈」。國外 OpenAI 祭出 Sora 2、馬斯克 xAI 推出 Imagine v0.9、谷歌更新 Veo 3.1，國內(nèi)生數(shù)科技推出 Vidu Q2、MiniMax 發(fā)布海螺 2.3，這些新模型無一不在質(zhì)量、速度、時(shí)長等方面下足了功夫，音畫同步、20 秒時(shí)長等亮點(diǎn)功能對于創(chuàng)作者來說已經(jīng)波瀾不驚了。

相較于國外同行，很多國內(nèi)玩家還有一個(gè)明顯的不同：不滿足于只做 AI 視頻產(chǎn)品，也傾向于實(shí)現(xiàn)覆蓋圖像、音視頻、數(shù)字人、Agent 等全模態(tài)的全鏈路創(chuàng)作，通過模板化配置和流程化指引降低創(chuàng)作門檻，打造更宏大的內(nèi)容共創(chuàng)平臺(tái)，突破 AI 視頻的應(yīng)用邊界。

這種「模型 + 平臺(tái)」并行演進(jìn)的模式更能加速 AI 視頻創(chuàng)作的普及，昆侖萬維剛剛官宣上線的全新 SkyReels 便是這一思路的集中體現(xiàn)。作為一個(gè)一站式、零門檻的多模態(tài) AI 視頻創(chuàng)作平臺(tái)，SkyReels 為 AI 創(chuàng)作者帶來了更多的創(chuàng)意玩法。

此次全新 SkyReels 同步發(fā)布了多模態(tài)視頻生成模型 SkyReels V3，并對圖片、音頻和視頻參考等能力進(jìn)行全方位優(yōu)化。平臺(tái)本身還提供無限畫布、數(shù)字人口播、多模板生成與 Agent 等多種創(chuàng)作模式，供創(chuàng)作者使用。

我們先來欣賞一下官方 demo，AI 視頻生成的表現(xiàn)可謂是花樣百出、趣味性十足，比如多數(shù)字人。

在拿到全新 SkyReels 的內(nèi)測資格之后，我們馬上對它來了一波實(shí)測。

一手實(shí)測

AI 視頻生成被玩出花

在測試環(huán)節(jié)，我們著重體驗(yàn)了 SkyReels 的畫布、Agent、視頻模板、數(shù)字人和視頻編輯等亮點(diǎn)功能。這個(gè)集多花樣玩法于一身的 AI 視頻生成平臺(tái)究竟能帶來哪些驚喜？我們接著往下看。

官網(wǎng)地址：https://www.skyreels.ai

無限畫布

SkyReels 本次的最大亮點(diǎn)之一，全部 AI 功能和多個(gè)全球頂尖 AI 模型都集成于同一個(gè)創(chuàng)作空間，一張無限畫布，它即是所有 AI 工具，也是圖片、視頻、音樂等多模態(tài)的融合載體。

在無限畫布上，你看到的每一個(gè)內(nèi)容，都是一個(gè)活的、可交互的積木 —— 所見即所得，效果實(shí)時(shí)呈現(xiàn)。

你可以在畫布上使用任何你想要的全球頂尖的模型，也可以使用任何你想要的 AI 創(chuàng)作功能，更可以添加任何素材到 Chat ，與「超級智能體」（Super Agent）一起完成創(chuàng)作。

整個(gè)創(chuàng)作工作是流動(dòng)的，比如讓靜態(tài)的中國名畫《清明上河圖》動(dòng)起來，只需要將原圖上傳到畫布，拖拽原圖到圖生視頻功能，即可在畫布生成視頻。

輸入的原圖

我們將圖片從畫布拖到 Video 功能模塊下，然后簡單輸入要求（讓圖中的人物動(dòng)起來），點(diǎn)擊生成就可以了：

短短幾秒，會(huì)動(dòng)的《清明上河圖》就完成了：

看到上面的《清明上河圖》視頻后，如果你也有一些靈感，想生成更具有年代感和寫實(shí)的《清明上河圖》，可隨時(shí)添加生成的視頻到 Chat，與「超級智能體」（Super Agent）對話，一起頭腦風(fēng)暴，激發(fā)更多靈感。

智能體就會(huì)從主題、設(shè)定、構(gòu)圖、色彩等多角度思考，生成另一個(gè)版本的《清明上河圖》：如下是生成陶土風(fēng)格的《清明上河圖》。同時(shí)利用AI 音頻功能為這個(gè)視頻配上古風(fēng)古韻的 BGM，并能精細(xì)地將視頻分辨率提升到 4K：

以上所有操作，都是在畫布上實(shí)現(xiàn)的。在無限的多模態(tài)畫布上，靈感不再沿著單一路徑生長，而是在多個(gè)空間中自由碰撞。每一個(gè)素材都可以被無限的連接與重組。圖片、視頻、音頻、文字在同一平面上實(shí)時(shí)互動(dòng)，創(chuàng)意由此具備了空間感與生命力。昆侖萬維希望，用戶不必學(xué)習(xí)如何掌握 AI，只需自然地去使用它。而 AI 的使命，正是讓創(chuàng)作變得更自由、更高效、更簡單。

Agent

在前面的畫布中，我們已經(jīng)感受過 Super Agent（全能創(chuàng)意助手）的功能。此外，Agent 模塊還包括 Expert Agents，其覆蓋四大核心領(lǐng)域的專業(yè)團(tuán)隊(duì)，當(dāng)你需要市場營銷策略、電子商務(wù)運(yùn)營、虛擬形象塑造或創(chuàng)意故事編寫時(shí)，都能在 Agent 庫中找到對應(yīng)的專家，高效完成專業(yè)任務(wù)。

在 Super Agent 的對話框中，你可以自由輸入任何想法 —— 無論是生成圖片、分析視頻，還是進(jìn)行多模態(tài)創(chuàng)作，都能輕松實(shí)現(xiàn)。下面這張圖片，正是 Super Agent 根據(jù)提示自動(dòng)生成的結(jié)果。

An elegant necklace with an 18K yellow gold chain and a white gold pendant shaped like a detailed laurel leaf. The leaf is studded with small round diamonds resembling stars. The pendant's reverse side features a moon silhouette cutout. Displayed on a navy blue velvet neck form. Soft, diffused lighting, ultra-high definition product photography, 8K

如果你對這條項(xiàng)鏈有了新的靈感 —— 比如想看看模特佩戴后的效果，不妨試試 Expert Agents，系統(tǒng)內(nèi)置了 28 位行業(yè)專家，以專業(yè)視角和創(chuàng)意審美為你打造專屬造型方案。

這里我們選擇了「Virtual Styling Images」這個(gè) Expert Agent，它擅長將時(shí)尚單品轉(zhuǎn)化為風(fēng)格鮮明、極具視覺沖擊力的造型照片。然后給出簡單指令 —— 以暗黑風(fēng)格搭配這條項(xiàng)鏈。

Expert Agent 思考了一會(huì)，然后輸出 6 張暗黑哥特風(fēng)格的虛擬試戴圖。

我們挑選了其中一張效果如下：從結(jié)果可以看出，系統(tǒng)自動(dòng)調(diào)整了光影與膚色匹配，使配飾與人物完美融合，毫無違和感。成品像是出自時(shí)尚大片現(xiàn)場，兼具視覺沖擊力與藝術(shù)構(gòu)成感。

如果你覺得僅看圖片還不過癮，可以將其轉(zhuǎn)換為視頻。只需選擇「Multi Script Avatar」，系統(tǒng)就能自動(dòng)為畫面生成帶語音解說的視頻。

值得一提的是，整個(gè)過程我們只是上傳了圖片、簡單輸入要求，視頻配音、字幕等都是智能體自動(dòng)生成的。過程如下：

最終效果：

這樣，一條項(xiàng)鏈從生成到最終展示，整個(gè)過程都一氣呵成。從靈感構(gòu)思到造型搭配，再到視頻呈現(xiàn)，每一步都由智能 Agent 完成，幾乎無需人工干預(yù)，就能獲得雜志級的成片效果。

在測試中，我們還發(fā)現(xiàn)，用戶無需輸入復(fù)雜的提示詞，簡單描述一下要求，Agent 即可自動(dòng)執(zhí)行多步驟的復(fù)雜任務(wù)，一鍵生成可直接交付的完整成果，而非零散的半成品。

而這，僅僅是一個(gè)開始。可以想象，不久的將來，這些 Agent 之間將不再是孤立的個(gè)體，而是能夠相互理解、主動(dòng)協(xié)作的智能網(wǎng)絡(luò)。屆時(shí)，創(chuàng)作者只需提出一個(gè)想法，系統(tǒng)就能自動(dòng)組織一支虛擬團(tuán)隊(duì)，從策劃到產(chǎn)出全流程閉環(huán)完成。

模版

SkyReels 模板庫迎來全面升級，現(xiàn)已收錄近 10 大類、150 余種專業(yè)模板，覆蓋從視覺設(shè)計(jì)到智能視頻生成的全流程創(chuàng)作需求。

無論是圖片生成還是視頻制作，用戶都能一鍵完成，從海報(bào)設(shè)計(jì)、電商服裝圖，到商品演示視頻、數(shù)字人口播講解等多種主流場景。

話不多說直接測試。我們上傳了一張隨手拍攝的圖片，畫面看起來平平無奇，沒有精致的布光，也沒有特別的構(gòu)圖。

但你別急，在 SkyReels 模板功能的處理下，這張普通的圖片瞬間「活」了起來。

模板庫預(yù)設(shè)了很多熱門設(shè)計(jì)，選擇自己心儀的模板，上傳圖片點(diǎn)擊生成就可以了。

最后效果是這樣的：

測試下來，和原圖一對比，是不是檔次一下子就上來了？以后在做商品展示等任務(wù)上，原本普通的照片，在這些模版的加持下，整體質(zhì)感直接提升了好幾個(gè)層次。不需要專業(yè)攝影，也不需要繁瑣修圖，就能做出「英雄鏡頭」。

除了商品靜態(tài)展示上效果突出，模版功能還支持人物動(dòng)態(tài)視頻，我們就拿虛擬試衣來講吧，模板支持多件服飾（如上衣、褲子、帽子）同時(shí)試穿，這里我們上傳了帽子和裙子。

然后再加上一個(gè)在產(chǎn)品畫布中制作出的品牌 LOGO，選擇品牌廣告模板，就會(huì)得到這樣極富高級感的結(jié)果：

如果還想要更有故事感的廣告片，選擇創(chuàng)意剪輯模板，把剛用過的草帽圖片上傳就能一鍵將普通的草帽拍出大片感：

數(shù)字人

SkyReels 實(shí)現(xiàn)了全場景數(shù)字人對口型生成，同時(shí)支持單人數(shù)字人與單鏡頭多人多輪對話兩種模式，可生成最長 4 分鐘連續(xù)對口型視頻。

其中，單人數(shù)字人生成模型既支持單人的圖片驅(qū)動(dòng)，也支持視頻驅(qū)動(dòng)。最多支持 32 種運(yùn)鏡組合與鏡頭運(yùn)動(dòng)選項(xiàng)，可靈活適配不同敘事需求與畫面風(fēng)格，讓生成視頻更具鏡頭語言與電影質(zhì)感。

這里我們輸入一張圖片（或者上傳視頻都可以）：

接下來，只需挑選一位配音員即可。SkyReels 內(nèi)置了豐富的配音資源庫，用戶可自由選擇配音員的語言、性別、年齡與音色風(fēng)格，輕松匹配不同場景與角色氣質(zhì)。如果你不想使用內(nèi)置的配音，也可以本地上傳配音。

最后，輸入你想讓數(shù)字播報(bào)的內(nèi)容，點(diǎn)擊生成就可以了。

播報(bào)內(nèi)容：Equipped with the latest Bluetooth 5.3 technology, SonicAir Pro delivers ultra-stable connections and crystal-clear audio with virtually zero delay. Whether you’re taking calls, listening to music.

在多人對口型模式下，用戶只需上傳一張包含多位人物的圖片，系統(tǒng)即可自動(dòng)識(shí)別并區(qū)分不同角色。

隨后，用戶可根據(jù)需要自定義角色編號(hào)（男為 Character 1，女為 Character 2），并為每個(gè)角色分別選擇配音員與輸入臺(tái)詞內(nèi)容。整個(gè)流程簡潔直觀，輕松實(shí)現(xiàn)多角色對話的精準(zhǔn)控制與個(gè)性化創(chuàng)作。

最后，點(diǎn)擊生成就可以了。

Character 1：Ladies and gentlemen, prepare to be amazed! Character 2：Because what you’re about to see will change everything! Character 1：It’s bold, it’s brilliant, it’s absolutely unforgettable! Character 2：And trust us—you won’t want to miss a single second!

這幾個(gè)示例測試下來，我們發(fā)現(xiàn) SkyReels 無論是單人口播、還是多人交流，模型都能準(zhǔn)確識(shí)別角色、平滑銜接語音節(jié)奏，生成的視頻對話自然流暢、幾乎無延遲感。同時(shí)，在單人場景中，新增的 32 種運(yùn)鏡組合讓畫面表現(xiàn)更具層次與動(dòng)感。

這也意味著，SkyReels 的出現(xiàn)極大降低了多鏡頭拍攝與后期配音的制作成本。創(chuàng)作者只需輸入音頻或腳本，即可快速生成具備完整表演與鏡頭語言的視頻內(nèi)容。無論是影視級對話拍攝、電商雙人口播，還是游戲劇情素材創(chuàng)作，SkyReels 都能在保持高質(zhì)量表現(xiàn)的同時(shí)，實(shí)現(xiàn)創(chuàng)意表達(dá)與制作效率的雙重提升。

視頻編輯

最后，我們測試了 SkyReels 的視頻編輯功能，特別是視頻延長和風(fēng)格化功能。

首先是視頻延長，這項(xiàng)能力要求智能預(yù)測下一個(gè)鏡頭的合理延續(xù)與場景內(nèi)容。SkyReels 支持了 Cut-In、Cut-Out、Reverse Shot、Multi-Angle 以及 Cut Away 等切鏡方式，生成的延展片段在敘事邏輯與視覺連貫性上高度一致，使畫面語言更豐富、更具層次感。

提示：the camera shifts to the back left, focusing on the arched building behind her, and zooms in

至于視頻風(fēng)格轉(zhuǎn)換，SkyReels 目前支持了剪紙、辛普森、鉤針毛線、樂高、動(dòng)森、像素、梵高等風(fēng)格。先來一個(gè)辛普森風(fēng)格：

再來一個(gè)鉤針毛線風(fēng)格：

總的來說，這番測試帶給我們的直觀感受是：無論是可玩性、互動(dòng)性，還是整體表現(xiàn)力，SkyReels 都超過了以往體驗(yàn)過的同類產(chǎn)品。并且，該平臺(tái)將 AI 視頻功能的延展性和創(chuàng)作自由度提升到了前所未有的新高度。

昆侖萬維還預(yù)告了更多「正在路上」的玩法，比如可 prompt 控制，通過自然語言精準(zhǔn)調(diào)度鏡頭、驅(qū)動(dòng)角色。從此以后，在 AI 視頻生成領(lǐng)域，工具不再是限制你發(fā)揮的最大因素，想象力才是。

多模態(tài)統(tǒng)一進(jìn)化

打通圖像、音頻與視頻邊界

全新 SkyReels 讓我們看到了一站式 AI 視頻創(chuàng)作平臺(tái)的各種新奇和實(shí)用玩法，生成的視頻在物理運(yùn)動(dòng)真實(shí)性、鏡頭連續(xù)一致性、聲音口型同步性和人物表情細(xì)膩度上不可同日而語，觀感上無限接近真實(shí)。

取得現(xiàn)在的效果，基礎(chǔ)模型 SkyReels V3 功不可沒。該系列模型基于同一個(gè)多模態(tài)上下文學(xué)習(xí)框架進(jìn)行預(yù)訓(xùn)練，并通過子任務(wù)精調(diào)實(shí)現(xiàn)了進(jìn)一步訓(xùn)練適配優(yōu)化

首先是基于多主體參考圖像的視頻生成，需要解決一系列挑戰(zhàn)：多主體容易出現(xiàn)形變與身份漂移、背景元素在鏡頭運(yùn)動(dòng)或場景切換中常出現(xiàn)重復(fù)、難以同時(shí)保持參考圖像特征與提示詞的語義約束。SkyReels V3 依據(jù)多主體與背景參考圖像，并結(jié)合用戶輸入的提示詞，從而生成符合組合關(guān)系與情節(jié)發(fā)展的視頻片段。

這里有兩大創(chuàng)新點(diǎn)值得關(guān)注：一是對參考圖像具備很強(qiáng)的內(nèi)容保持能力，為此構(gòu)建了一整套數(shù)據(jù)處理流程，采用跨幀配對策略從連續(xù)視頻中選擇參考幀，借助圖像編輯模型提取主體圖像，并同步完成背景補(bǔ)全與語義改寫，從而有效規(guī)避「復(fù)制粘貼」效應(yīng)。二是訓(xùn)練階段引入圖像 - 視頻混合訓(xùn)練機(jī)制，支持多分辨率聯(lián)合訓(xùn)練，顯著提升模型泛化性能。

最終，SkyReels V3 在實(shí)現(xiàn)主體與背景一致性二者兼得的同時(shí)，可以精準(zhǔn)響應(yīng)用戶指令要求，并在多項(xiàng)評估基準(zhǔn)測試中得到驗(yàn)證，取得了業(yè)界閉源 SOTA。

其次是基于音頻參考的視頻生成。在今年 8 月發(fā)布的音頻驅(qū)動(dòng)數(shù)字人模型 SkyReels-A3 基礎(chǔ)上，SkyReels V3 進(jìn)一步優(yōu)化了音畫對齊和畫面質(zhì)量，并在業(yè)內(nèi)首次支持單鏡頭多人多輪對話。前文實(shí)測中栩栩如生的數(shù)字人視頻正是基于這項(xiàng)能力生成。

做到這一點(diǎn)需要更好地解決時(shí)序與語義同步、多主體空間分配與身份保持、鏡頭連貫性與視覺協(xié)調(diào)等層面的技術(shù)挑戰(zhàn)，為此昆侖萬維引入了區(qū)域路由機(jī)制，讓用戶可以自由指定畫面中的若干角色說話，并將含有角色標(biāo)簽的多段音頻按對話順序拼接，從而實(shí)現(xiàn)自然流暢的多輪對話。

為了進(jìn)一步提升生成視頻的整體質(zhì)量，SkyReels V3 在保持高精準(zhǔn)音畫同步之外強(qiáng)化了運(yùn)鏡控制，對多種復(fù)雜運(yùn)鏡組合的嫻熟運(yùn)用增強(qiáng)了觀賞性與藝術(shù)表現(xiàn)力。具體來講，通過輸入相機(jī)運(yùn)動(dòng)參數(shù)的監(jiān)督學(xué)習(xí)，模型實(shí)現(xiàn)了同一時(shí)間多個(gè)運(yùn)鏡組合控制以及不同時(shí)間運(yùn)鏡的絲滑切換。同時(shí)，SkyReels V3 利用關(guān)鍵幀插幀方法支持不同的動(dòng)作幅度，并做到分鐘級高質(zhì)量視頻生成

昆侖萬維表示，在相同分辨率生成場景下，SkyReels V3 的音畫同步效果和整體畫面質(zhì)量接近主流閉源 SOTA 視頻模型，比開源競品更是強(qiáng)了一大截。

最后是基于視頻參考的視頻生成，這正是 SkyReels V3 同時(shí)支持視頻延長、視頻風(fēng)格化與視頻編輯等多任務(wù)的能力根基。面對它們存在的條件理解差異，昆侖萬維進(jìn)行了系統(tǒng)性優(yōu)化：引入基于參考視頻和生成視頻關(guān)系的空間位置編碼和任務(wù)特定嵌入，實(shí)現(xiàn)統(tǒng)一的任務(wù)理解與表征；通過結(jié)合 token concat 的靈活性和 channel concat 的高效性，顯著減少了 token 數(shù)量并保持生成質(zhì)量；借助歷史增強(qiáng)機(jī)制實(shí)現(xiàn)分鐘級視頻延長。

其中針對視頻延長，SkyReels V3 基于視頻語義和用戶提示詞智能預(yù)測后續(xù)鏡頭銜接，支持單鏡頭延長以及 Cut-In、Cut-Out、Reverse Shot 等多種切鏡延長，并在單鏡頭與切鏡延長兩類任務(wù)上達(dá)到業(yè)界 SOTA。針對視頻風(fēng)格化，自研一套端到端自動(dòng)化的風(fēng)格化數(shù)據(jù)生成與篩選流程，結(jié)合 ControlNet 的可控生成能力與多模態(tài)模型的過濾機(jī)制，從數(shù)據(jù)層面確保視頻風(fēng)格化的規(guī)模化訓(xùn)練與藝術(shù)可控性。針對視頻編輯，支持編輯指令、遮罩區(qū)域與參考圖聯(lián)合控制，實(shí)現(xiàn)增刪改替等靈活操作，功能即將上線。

這套連招下來，SkyReels V3 在技術(shù)上統(tǒng)一了圖像、音頻與視頻的多模態(tài)生成體系，從理解內(nèi)容到生成畫面、掌控?cái)⑹氯孢M(jìn)化。

人人皆可專業(yè)創(chuàng)作

正在加速到來

從大約兩年前 Pika、Sora 將人們的目光引入到 AI 視頻賽道開始，國內(nèi)外的玩家們進(jìn)入到了狂飆模式。每一次模型能力的突破，都在不斷拓寬視頻生成這一概念的邊界。從工具創(chuàng)新到創(chuàng)作方式重塑，這個(gè)賽道變得越來越成熟與多元化。

如今的國內(nèi)廠商，不僅在與谷歌、OpenAI 等國際巨頭的正面競爭中不落下風(fēng)。并且憑借在創(chuàng)作場景、內(nèi)容生態(tài)上的深厚積累，很多更是走出了差異化的發(fā)展路徑 —— 一邊著力提升產(chǎn)品表現(xiàn)，一邊押注生態(tài)布局。

以昆侖萬維為例，其自去年 8 月推出 SkyReels 之后，便開始了在該賽道的突飛猛進(jìn)。今年以來，昆侖萬維先后發(fā)布并開源了視頻生成模型SkyReels V1、V2 以及 SkyReels A1、A2、A3，每一次都能在國內(nèi)外創(chuàng)作者圈中留下不錯(cuò)的口碑。

依托這些強(qiáng)大的基礎(chǔ)模型，SkyReels 逐漸形成了集圖片生成、口播講解、故事音樂、戲劇、對口型數(shù)字人等于一身的 AI 視頻創(chuàng)意矩陣，一站式地為媒體、電商、教育、音樂、游戲等各行各業(yè)提供高質(zhì)量、多樣性的內(nèi)容輸出。

此次全新 SkyReels 重磅上線，將進(jìn)一步鞏固昆侖萬維全球 AI 視頻第一梯隊(duì)的地位，并加速「人人皆可專業(yè)視頻創(chuàng)作」愿景的到來。

而作為昆侖萬維堅(jiān)定推進(jìn)人工智能戰(zhàn)略、聚焦 AGI 與 AIGC 的核心業(yè)務(wù)之一，AI 視頻與 AI 智能助手、AI 音樂與音頻、AI 短劇、AI 社交以及 AI 游戲共同構(gòu)筑多元矩陣，并成為新時(shí)代下營收增長的重要引擎之一。昆侖萬維數(shù)天前發(fā)布的 2025 第三季度報(bào)告顯示：前三季度，公司實(shí)現(xiàn)營業(yè)收入 58 億元，同比增長 52%，公司 AI 相關(guān)業(yè)務(wù)收入同比大幅增長，證明了其多模態(tài)一體化戰(zhàn)略的前瞻性與商業(yè)落地能力。

未來，AI 視頻賽道還將解鎖怎樣的新玩法，期待一波昆侖萬維給出的答案。

文中視頻鏈接：https://mp.weixin.qq.com/s/FIkmbXPq31TmWgl2hgeXIQ